L'identifiant national de fournisseur (NPI) est utilisé dans l'ensemble du secteur de la santé aux États-Unis. Il s'agit d'un numéro unique à 10 chiffres attribué aux fournisseurs, utilisé dans les contrats, les transactions de facturation, les ordonnances, les DME et l'interopérabilité entre les systèmes. Les régimes d'assurance maladie et les chambres de compensation sont tenus par HIPAA de l'utiliser pour identifier les fournisseurs.
Un NPI est permanent et est censé identifier un fournisseur même lorsque celui-ci change de nom, d'emploi ou de spécialisation.
Cependant, nous avons découvert que des milliers de fournisseurs possèdent des enregistrements en double, et donc plusieurs NPI. Cela peut compromettre la facturation, les rapports et l'intégrité globale des données, et peut entraîner le rejet de réclamations ou une attribution erronée des soins.
Comment nous avons trouvé les doublons
Les solutions de gestion des données de référence (MDM) contribuent à assurer la cohérence et l'exactitude des données d'identité. Elles effectuent une résolution d'identité et une mise en correspondance pour détecter les doublons.
Pour cette analyse, nous avons utilisé notre produit MDMbox — une solution MDM et eMPI avec mise en correspondance probabiliste capable de trouver des doublons parmi des millions d'enregistrements en parallèle. Nous avons téléchargé l'ensemble complet des enregistrements NPI (publié par CMS ici), filtré les organisations pour ne conserver que les fournisseurs individuels, puis soumis ces données à MDMbox. Nous avons entraîné notre modèle d'apprentissage automatique sur les données, puis exécuté une opération de mise en correspondance en masse. L'exécution complète de la mise en correspondance s'est terminée en moins d'une heure.
Sur plus de 7 millions d'enregistrements au total, nous avons trouvé 1 000 doublons (probabilité >90 %) et 3 500 doublons potentiels (probabilité de 70 à 89 %).
La plupart de ces doublons n'étaient pas causés par une fraude ou des importations de données erronées. Il s'agissait d'artefacts opérationnels accumulés au fil des années : des fournisseurs changeant d'organisation, se réinscrivant au lieu de mettre à jour leurs enregistrements, des conventions de dénomination incohérentes et des différences de saisie manuelle des données entre les systèmes.
Bon nombre de ces enregistrements seraient également difficiles à détecter avec la seule correspondance exacte. Les doublons ne deviennent visibles que lorsque plusieurs signaux d'identité faibles sont évalués ensemble.
À quoi ressemblent les doublons
Les doublons se répartissent en plusieurs catégories :
Correspondances exactes. Certains fournisseurs ont deux enregistrements avec des noms et des adresses identiques, mais des NPI différents. Chaque champ est identique, pourtant des identifiants distincts leur ont été attribués. Ce type de correspondance est le plus simple, et les enregistrements qui en résultent obtiennent le poids le plus élevé.
Même fournisseur, adresses différentes. Un fournisseur déménage dans un autre État et s'inscrit à nouveau au lieu de mettre à jour son enregistrement existant. Les adresses diffèrent, mais une combinaison du nom, de la spécialisation et du numéro de téléphone confirme qu'il s'agit de la même personne, grâce à la configuration du modèle de mise en correspondance.
Variantes de noms. Le nom d'un fournisseur est enregistré différemment selon les enregistrements. Par exemple, un nom de famille peut apparaître avec ou sans préfixe (« Cruz » contre « de la Cruz »), ou un prénom peut être abrégé. L'algorithme d'apprentissage automatique que nous avons utilisé reconnaît les préfixes et les variantes alternatives des noms.
Fautes de frappe. Les erreurs de saisie de données créent des doublons difficiles à détecter par correspondance exacte. Une seule lettre mal orthographiée dans un nom suffit à générer un second enregistrement. La mise en correspondance probabiliste détecte ces cas, car elle pondère tous les attributs ensemble, et pas seulement le nom. Et si les noms sont suffisamment similaires, les fautes de frappe ne posent pas problème.
Chevauchement partiel d'attributs. Deux enregistrements partagent un nom et un numéro de licence médicale, mais ont des adresses différentes. Ou l'adresse a changé, mais le numéro de téléphone est resté le même. La mise en correspondance probabiliste capte ces signaux croisés entre attributs.
Faux positifs : le problème de la médecine de famille
Toutes les correspondances ne sont pas de véritables doublons. Nous avons initialement obtenu des centaines de faux positifs en raison d'un schéma auquel nous ne nous attendions pas : des médecins qui donnent leur propre prénom à leurs enfants et les emploient dans la même clinique. Ces paires parent-enfant (et parfois multigénérationnelles) partagent le même nom et la même adresse, mais ont des suffixes de nom différents : « Sr. », « Jr. », « III », « IV ». Nous avons dû ajouter la comparaison des suffixes aux règles de mise en correspondance pour les filtrer.
Explorez les doublons par vous-même
Nous avons créé un outil interactif qui vous permet de rechercher n'importe quel fournisseur et de voir ses doublons potentiels.
Vous pouvez saisir des données sur le praticien, telles que le nom, l'adresse, le numéro de téléphone, ou utiliser un identifiant NPI pour obtenir une liste de doublons potentiels. L'outil suggère également quelques exemples intéressants pour vous aider à démarrer.
Vous pouvez également ajuster le seuil — la valeur limite pour l'affichage des correspondances — afin de rendre la recherche plus stricte ou plus floue, et ainsi voir plus ou moins de doublons potentiels.
De plus, vous pouvez consulter la liste des doublons connus dans l'onglet Correspondances connues. Nous avons inclus toutes les paires de praticiens identifiées avec une probabilité de correspondance supérieure à 90 %. Vous pouvez également voir comment le score de correspondance est composé. Cliquez sur une ligne pour ouvrir un graphique qui montre la contribution de chaque champ au score total.
Ce que cela révèle sur les données d'identité dans le domaine de la santé
Les enregistrements en double peuvent entraîner des réclamations inexactes, compromettre l'interopérabilité entre les systèmes de santé, et affecter les analyses et les rapports. Même dans un système construit autour d'un identifiant unique national, la fragmentation des identités se produit tout de même. En pratique, les données d'identité dans le domaine de la santé évoluent au gré des flux de travail opérationnels, des migrations, des changements de personnel et de la saisie manuelle des données. Les identifiants exacts sont utiles, mais ils n'éliminent pas entièrement les problèmes de duplication.
Les mêmes schémas apparaissent dans de nombreux ensembles de données de santé, notamment les registres de patients, les réseaux de fournisseurs et les enregistrements organisationnels. Les détecter nécessite généralement des approches de mise en correspondance probabiliste qui évaluent ensemble plusieurs signaux d'identité faibles, plutôt que de se fier uniquement à des identifiants exacts. Pour les concepts fondamentaux qui sous-tendent cette méthode, consultez Master Patient Index (MPI) : comment ça fonctionne + exemples ; pour l'aspect pratique de l'étalonnage du modèle, consultez notre guide sur la configuration et l'ajustement d'un modèle de mise en correspondance des patients.
L'analyse présentée dans cet article a été réalisée à l'aide de MDMbox, notre plateforme de gestion des données de référence et d'index maître de patients d'entreprise pour la résolution d'identité et la détection des doublons dans le domaine de la santé. La même approche de mise en correspondance peut être appliquée aux patients, aux praticiens, aux organisations et à d'autres grands ensembles de données de santé pour lesquels la qualité des identités est essentielle.
Si vous souhaitez explorer l'ensemble de données par vous-même, vous pouvez utiliser l'outil interactif d'exploration des doublons.
